[发明专利]语音识别方法、装置、电子设备及存储介质

说明书

本公开公开了语音识别方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习技术领域、自然语言处理领域、语音技术领域等人工智能技术领域。具体实现方案为：获取待识别语音，以及待识别语音的隐层特征序列；对隐层特征序列中的各帧隐层特征进行时序分类，以获取音节序列，并根据音节序列中音节所在的帧位置对隐层特征序列进行截断处理，得到特征片段序列；针对特征片段序列中的第i个特征片段，结合第i‑1个特征片段对应的文字的语义向量以及特征片段序列，预测第i个特征片段对应的文字；进而生成待识别语音的识别结果，从而能够避免采用解码器，降低了计算量，提高了语音识别效率和语音识别准确度。

技术领域

本公开涉及计算机技术领域，尤其涉及深度学习技术领域、自然语言处理领域、语音技术领域等人工智能技术领域，尤其涉及语音识别方法、装置、电子设备及存储介质。

背景技术

目前的语音识别框架为，待识别语音输入smlta声学模型，获取音节序列；音节序列输入语言模型，获取多个候选的文字序列；音节序列和多个候选的文字序列输入解码器进行解码，从多个候选的文字序列中选择文字序列作为待识别语音的识别结果。

上述方案中，解码过程中，不仅要计算声学得分，还必须时刻查询语言得分，计算量大，解码效率差，解码准确度差。

发明内容

本公开提供了一种语音识别方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种语音识别方法，包括：获取待识别语音，以及所述待识别语音的隐层特征序列；对所述隐层特征序列中的各帧隐层特征进行时序分类，以获取音节序列，并根据所述音节序列中音节所在的帧位置对所述隐层特征序列进行截断处理，得到特征片段序列；针对所述特征片段序列中的第i个特征片段，结合所述特征片段序列中第i-1个特征片段对应的文字的语义向量以及所述特征片段序列，预测第i个特征片段对应的文字，其中，i为大于0且小于等于N的正整数，N为特征片段的总数量；根据所述特征片段序列中各个特征片段对应的文字，生成所述待识别语音的识别结果。

根据本公开的另一方面，提供了一种语音识别装置，包括：获取模块，用于获取待识别语音，以及所述待识别语音的隐层特征序列；时序分类模块，用于对所述隐层特征序列中的各帧隐层特征进行时序分类，以获取音节序列，并根据所述音节序列中音节所在的帧位置对所述隐层特征序列进行截断处理，得到特征片段序列；预测模块，用于针对所述特征片段序列中的第i个特征片段，结合所述特征片段序列中第i-1个特征片段对应的文字的语义向量以及所述特征片段序列，预测第i个特征片段对应的文字，其中，i为大于0且小于等于N的正整数，N为特征片段的总数量；生成模块，用于根据所述特征片段序列中各个特征片段对应的文字，生成所述待识别语音的识别结果。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的语音识别方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的语音识别方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时，实现如上所述的语音识别方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；

图3是语音识别模型的示意图；